การเลือกตัวอย่างสุ่มแบบแบ่งชั้นภูมิด้วยการเลือกลำดับที่ของชุดตัวอย่างแบบครบวงจรเมื่อจัดลำดับแบบสมบูรณ์

Abstract

          ในบทความนี้นำเสนอวิธีการเลือกตัวอย่างสุ่มแบบเลือกลำดับที่ของชุดตัวอย่างแบบใหม่สำหรับประมาณค่าเฉลี่ยของประชากร คือ การเลือกตัวอย่างสุ่มแบบแบ่งชั้นภูมิด้วยการเลือกลำดับที่ของชุดตัวอย่างแบบครบวงจร (SURSS) และเปรียบเทียบประสิทธิภาพกับการเลือกตัวอย่างสุ่มแบบง่าย (SRS) การเลือกตัวอย่างสุ่มแบบแบ่งชั้นภูมิด้วยการเลือกตัวอย่างสุ่มแบบง่าย (SSRS) และการเลือกตัวอย่างสุ่มแบบแบ่งชั้นภูมิด้วยการเลือกตัวอย่างสุ่มแบบเลือกลำดับที่ของชุดตัวอย่าง (SRSS) ผ่านการจำลองข้อมูลภายใต้การแจกแจงแบบสมมาตร 3 การแจกแจง ได้แก่ การแจกแจงแบบปรกติมาตรฐาน การแจกแจงเอกรูป และการแจกแจงทีของสติวเด็นต์ พบว่า ตัวประมาณของ SURSS เมื่อจัดลำดับแบบสมบูรณ์เป็นตัวประมาณที่ไม่เอนเอียงและมีประสิทธิภาพสูงกว่าตัวประมาณที่ได้จาก SRS SSRS และ SRSS สำหรับการแจกแจงแบบสมมาตร            In this paper, a new modified ranked set sampling method is suggested, which is called stratified unified ranked set sampling (SURSS), for estimating the population mean. Then, we compare the efficiency of the empirical mean estimator based on the proposed sampling method with simple random sampling (SRS), stratified simple random sampling (SSRS) and stratified ranked set sampling (SRSS) via a simulation under three symmetric distributions: standard normal, uniform, and Student’s t. The simulation results indicate that the estimator based on SURSS with perfect ranking is unbiased and more efficient than competitors based on SRS, SSRS, and SRSS for symmetric distributions.